跳转到主要内容
音色复刻 HTTP API 参考

音色复刻 HTTP API 参考

按目标模型查阅创建、查询、更新和删除音色的 HTTP 参数、响应与示例。

本文介绍音色复刻的 HTTP API。根据后续使用音色的目标模型,选择对应字段和示例。每个操作使用统一参数表,字段的类型、必选性和取值差异写在对应模型的说明中。
目标模型本文提供的操作
Qwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice创建音色、查询音色列表、查询音色详情、更新音色、删除音色
Qwen-Omni、Qwen-Omni-Realtime创建音色、查询音色列表、删除音色
Qwen-LiveTranslate-Realtime创建预建音色、删除预建音色
MiniMax创建音色
先获取 API Key并配置环境变量。请求示例读取 DASHSCOPE_API_KEY。使用不同 API 管理同一音色时,请使用同一账号。

接口地址

Qwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice、Qwen-Omni、Qwen-Omni-Realtime

POST https://maas.qianwenaiapi.com/api/v1/services/audio/tts/customization

Qwen-LiveTranslate-Realtime

POST https://maas.qianwenaiapi.com/api/v1/services/audio/tts/customization

MiniMax

HTTP 请求地址:POST https://maas.qianwenaiapi.com/api/v1/services/aigc/multimodal-generation/generation SDK 调用配置的 base_url:https://maas.qianwenaiapi.com/api/v1。
第三方模型(MiniMax)目前仅支持通过 maas.qianwenaiapi.com 域名调用,暂不支持专属域名。

请求头

参数类型是否必选说明
Authorizationstring是鉴权令牌,格式为Bearer <your_api_key>,使用时,将"<your_api_key>"替换为实际的API Key。
Content-Typestring是请求体的媒体类型。按模型系列设置:
  • Qwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice、Qwen-Omni、Qwen-Omni-Realtime、Qwen-LiveTranslate-Realtime:application/json。
  • MiniMax:application/json; charset=utf-8。

创建音色

音频要求与费用

Qwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice: 参考音频要求见声音复刻用户指南。Qwen-Audio-Realtime 的复刻流程见实时语音对话音色复刻。Qwen-Audio-Realtime 创建音色免费,模型调用按目标模型计费,详情见计费说明,数量限制见配额说明。 Qwen-Omni、Qwen-Omni-Realtime: 输入音频支持 WAV(16bit)、MP3、M4A,推荐 10~20 秒,最长 60 秒,文件小于 10 MB,采样率不低于 24 kHz,且为单声道。音频必须包含至少 3 秒连续清晰朗读,停顿不超过 2 秒;整段音频应避免背景音乐、噪音或其他人声。请使用正常说话音频,不要上传歌曲或唱歌音频。支持的语种与方言见下方 language 参数;录制建议见音频要求。 复刻步骤、完整示例与费用见声音复刻用户指南。 Qwen-LiveTranslate-Realtime: 支持 qwen3.8-livetranslate-flash-realtime 和 qwen3.5-livetranslate-flash-realtime。本节介绍提前创建音色;翻译过程中实时提取输入音色的方式见音色配置。提前创建音色另行计费,模型调用仍按 Token 用量计费,见计费说明。参考音频使用公网可访问的 URL。 MiniMax:
音色复刻请求会生成一段试听音频,试听音频按所选模型的同步语音合成单价额外计费。

请求体

model stringQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(必选):固定为 voice-enrollment。Qwen-Omni、Qwen-Omni-Realtime(必选):声音复刻模型,固定为qwen-voice-enrollment。Qwen-LiveTranslate-Realtime:声音复刻模型,使用 qwen-voice-enrollment。MiniMax(必选):指定合成试听音频使用的语音模型。支持的模型:
  • MiniMax/speech-2.8-hd
  • MiniMax/speech-02-hd
  • MiniMax/speech-2.8-turbo
  • MiniMax/speech-02-turbo
input objectQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(必选):输入参数对象。Qwen-Omni、Qwen-Omni-Realtime(必选):输入参数对象。Qwen-LiveTranslate-Realtime:输入参数对象。MiniMax(必选):输入参数对象。
action stringQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(必选):固定为 create_voice。Qwen-Omni、Qwen-Omni-Realtime(必选):操作类型,固定为create。Qwen-LiveTranslate-Realtime:创建音色时使用 create。MiniMax(必选):需要进行的操作,支持设置为:voice_clone(声音克隆)target_model stringQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(必选):驱动音色的目标模型。必须与后续使用该音色的模型一致,否则调用失败。Qwen-Omni、Qwen-Omni-Realtime(必选):驱动音色的全模态模型:
  • qwen3.8-omni-flash-realtime
  • qwen3.5-omni-plus-realtime
  • qwen3.5-omni-flash-realtime
  • qwen3.5-omni-plus
  • qwen3.5-omni-flash
必须与后续调用全模态接口时使用的模型一致,否则合成会失败。Qwen-LiveTranslate-Realtime:驱动音色的实时翻译模型,须与后续会话使用的模型一致。audio string / objectQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(必选),类型为 string:用于复刻音色的参考音频,支持公网可访问的 URL 或 Base64 Data URI,例如 data:audio/wav;base64,...。
兼容旧参数 url;使用 url 时可不传 audio。url 将逐步废弃,建议改用 audio。
Qwen-Omni、Qwen-Omni-Realtime(必选),类型为 object:参考音频对象。Qwen-LiveTranslate-Realtime,类型为 object:参考音频对象。
data stringQwen-Omni、Qwen-Omni-Realtime(必选):用于复刻的音频(录制时需遵循录音操作指南,音频需满足音频要求)。可通过以下两种方式提交音频数据:
  1. Data URL 格式:data:<mediatype>;base64,<data>
    • <mediatype>:MIME类型
      • WAV:audio/wav
      • MP3:audio/mpeg
      • M4A:audio/mp4
    • <data>:音频转成的Base64编码的字符串 Base64编码会增大体积,请控制原文件大小,确保编码后仍小于10MB
    • 示例:data:audio/wav;base64,SUQzBAAAAAAAI1RTU0UAAAAPAAADTGF2ZjU4LjI5LjEwMAAAAAAAAAAAAAAA//PAxABQ/BXRbMPe4IQAhl9
  2. 音频URL(推荐将音频上传至OSS)
    • 文件大小不超过10MB
    • URL必须公网可访问且无需鉴权
import base64, pathlib

# input.mp3为用于声音复刻的本地音频文件,请替换为自己的音频文件路径,确保其符合音频要求
file_path = pathlib.Path("input.mp3")
base64_str = base64.b64encode(file_path.read_bytes()).decode()
data_uri = f"data:audio/mpeg;base64,{base64_str}"
Qwen-LiveTranslate-Realtime:参考音频的公网 URL。
prefix stringQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(必选):音色名称前缀,仅允许数字和英文字母,不超过10个字符。生成的音色名格式:{target_model}-{prefix}-{唯一标识}。language_hints array[string]Qwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(可选):辅助模型识别样本音频的语种,从而更准确地提取音色特征,提升复刻效果。若设置的语种与实际音频语种不符(例如为中文音频设置 en),系统将忽略该设置并自动检测语种。此参数为数组,长度必须为 1。
适用于 qwen-audio-3.1-tts-plus、qwen-audio-3.1-tts-flash、qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、qwen-audio-3.1-realtime-plus、qwen-audio-3.1-realtime-flash、qwen-audio-3.0-realtime-plus、qwen-audio-3.0-realtime-flash、cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-plus、cosyvoice-v3-flash。
  • qwen-audio-3.1-tts-plus、qwen-audio-3.1-tts-flash、qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、qwen-audio-3.1-realtime-plus、qwen-audio-3.1-realtime-flash、qwen-audio-3.0-realtime-plus、qwen-audio-3.0-realtime-flash:
    • zh:中文
    • en:英语
    • fr:法语
    • de:德语
    • ja:日语
    • ko:韩语
    • ru:俄语
    • pt:葡萄牙语
    • th:泰语
    • id:印尼语
    • vi:越南语
    • it:意大利语
    • es:西班牙语
    • ms:马来西亚语
    • fil:菲律宾语
    • ar:阿拉伯语
  • cosyvoice-v3-plus:
    • zh:中文
    • en:英文
    • fr:法语
    • de:德语
    • ja:日语
    • ko:韩语
    • ru:俄语
  • cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-flash:
    • zh:中文
    • en:英文
    • fr:法语
    • de:德语
    • ja:日语
    • ko:韩语
    • ru:俄语
    • pt:葡萄牙语
    • th:泰语
    • id:印尼语
    • vi:越南语
默认值:["zh"]。max_prompt_audio_length floatQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(可选):音频预处理后用于声音复刻的参考音频最大时长(秒)。取值范围:[3.0, 30.0]。默认值:10.0。
适用于 qwen-audio-3.1-tts-plus、qwen-audio-3.1-tts-flash、qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、qwen-audio-3.1-realtime-plus、qwen-audio-3.1-realtime-flash、qwen-audio-3.0-realtime-plus、qwen-audio-3.0-realtime-flash、cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-flash。
enable_preprocess booleanQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(可选):是否开启音频预处理(降噪、音频增强、音量规整)。有背景噪音时建议开启;安静环境建议关闭以最大程度还原音色。默认值:false。
适用于 qwen-audio-3.1-tts-plus、qwen-audio-3.1-tts-flash、qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、qwen-audio-3.1-realtime-plus、qwen-audio-3.1-realtime-flash、qwen-audio-3.0-realtime-plus、qwen-audio-3.0-realtime-flash、cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-flash。
enable_volume_normalization stringQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(可选):是否对用于声音复刻的样本音频进行音量归一化。取值:
  • "true":开启音量归一化。
  • "false":关闭音量归一化。
开启后,使用所创建音色合成的音频,其音量可能与关闭该参数时创建的音色不同。默认值:"false"。preferred_name stringQwen-Omni、Qwen-Omni-Realtime(必选):为音色指定一个便于识别的名称(仅允许数字、大小写字母和下划线,不超过16个字符)。建议选用与角色、场景相关的标识。
该关键字会在复刻的音色名中出现,例如关键字为“guanyu”,最终音色名为“qwen-omni-vc-guanyu-voice-20250812105009984-838b”
Qwen-LiveTranslate-Realtime:音色名称中的标识。text stringQwen-Omni、Qwen-Omni-Realtime(可选):与audio 对象中的 data音频内容相匹配的文本。传入该参数后,服务端会对比音频与该文本的差异,若差异过大,将返回Audio.PreprocessError。MiniMax(必选):复刻声音期望试听的内容。限制 1000 字符以内。
试听将根据字符数正常收取语音合成费用,收费标准参见MiniMax模型价格。
  • 语气词标签:仅当模型选择 speech-2.8-hd 或 speech-2.8-turbo 时,支持在文本中插入语气词标签。支持的语气词:(laughs)(笑声)、(chuckle)(轻笑)、(coughs)(咳嗽)、(clear-throat)(清嗓子)、(groans)(呻吟)、(breath)(正常换气)、(pant)(喘气)、(inhale)(吸气)、(exhale)(呼气)、(gasps)(倒吸气)、(sniffs)(吸鼻子)、(sighs)(叹气)、(snorts)(喷鼻息)、(burps)(打嗝)、(lip-smacking)(咂嘴)、(humming)(哼唱)、(hissing)(嘶嘶声)、(emm)(嗯)、(whistles)(口哨)、(sneezes)(喷嚏)、(crying)(抽泣)、(applause)(鼓掌)
language stringQwen-Omni、Qwen-Omni-Realtime(可选):audio 对象中的 data音频对应的语种。支持zh(中文)、en(英文)、de(德语)、it(意大利语)、pt(葡萄牙语)、es(西班牙语)、ja(日语)、ko(韩语)、fr(法语)、ru(俄语)、th(泰语)、id(印尼语)、ar(阿拉伯语)、cs(捷克语)、da(丹麦语)、nl(荷兰语)、fi(芬兰语)、he(希伯来语)、hi(印地语)、is(冰岛语)、ms(马来语)、no(挪威语)、fa(波斯语)、pl(波兰语)、sv(瑞典语)、tl(他加禄语)、tr(土耳其语)、ur(乌尔都语)、vi(越南语)。中文方言:Dongbei(东北话)、Shannxi(陕西话)、Sichuan(四川话)、Henan(河南话)、Changsha(长沙话)、Tianjin(天津话)、Hangzhou(杭州话)、Liaoning(辽宁话)、Shenyang(沈阳话)、Anshan(鞍山话)。若使用该参数,设置的语种要和实际用于复刻的音频的语种一致。audio_url stringMiniMax(必选):需要复刻的音频文件 URL,音频需符合以下规范:
  • 音频格式需为:mp3、m4a、wav 格式
  • 音频的时长最少应不低于 10 秒,最长应不超过 5 分钟
  • 音频文件大小需不超过 20 MB
clone_prompt objectMiniMax(可选):音色复刻示例音频,提供本参数将有助于增强语音合成的音色相似度和稳定性。若使用本参数,需准备一小段示例音频。
prompt_audio stringMiniMax(可选):示例音频文件 URL,音频需符合以下规范:
  • 音频格式需为:mp3、m4a、wav 格式
  • 音频时长小于 8 秒
  • 音频文件大小需不超过 20 MB
prompt_text stringMiniMax(可选):示例音频的对应文本,需确保和音频内容一致,句末需有标点符号做结尾。
voice_id stringMiniMax(必选):克隆音色的 voice_id,正确示例:"MiniMax001"。用户进行自定义 voice_id 时需注意:
  • 自定义的 voice_id 长度范围[8,256]
  • 首字符必须为英文字母
  • 允许数字、字母、-、_
  • 末位字符不可为 -、_
  • voice_id 不可与已有 id 重复,否则会报错
该参数全局唯一,建议使用时间戳等个性化信息命名。
language_boost enum<string>MiniMax(可选):默认值:null。是否增强对指定的小语种和方言的识别能力。可设置为 auto 让模型自主判断。
Chinese, Chinese,Yue, English, Arabic, Russian, Spanish, French, Portuguese, German, Turkish, Dutch, Ukrainian, Vietnamese, Indonesian, Japanese, Italian, Korean, Thai, Polish, Romanian, Greek, Czech, Finnish, Hindi, Bulgarian, Danish, Hebrew, Malay, Persian, Slovak, Swedish, Croatian, Filipino, Hungarian, Norwegian, Slovenian, Catalan, Nynorsk, Tamil, Afrikaans,auto
need_noise_reduction booleanMiniMax(可选):默认值:false。音频复刻参数,表示是否开启降噪,默认值为 false。need_volume_normalization booleanMiniMax(可选):默认值:false。是否开启音量归一化。aigc_watermark booleanMiniMax(可选):默认值:false。是否在合成试听音频的末尾添加音频节奏标识。
parameters objectQwen-Omni、Qwen-Omni-Realtime:配置参数对象。
voice_clone_mode stringQwen-Omni、Qwen-Omni-Realtime(条件必选):声音复刻模式。使用qwen3.8-omni系列模型时必传,不传时默认回退到qwen3.5-omni talker system instruct模式(兼容旧服务)。可选值:
  • normal:普通模式
  • dialect:方言模式
  • crosslingual:跨语言模式
该参数需放在parameters中。skip_audio_process booleanQwen-Omni、Qwen-Omni-Realtime(可选):默认值:false。是否跳过音频预处理。默认为false。该参数需放在parameters中。

请求示例

  • qwen-audio-3.1-tts-plus
  • qwen-audio-3.1-realtime-plus
  • qwen3.8-omni-flash-realtime
  • qwen3.8-livetranslate-flash-realtime
  • MiniMax/speech-2.8-turbo
curl -X POST https://maas.qianwenaiapi.com/api/v1/services/audio/tts/customization \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "voice-enrollment",
    "input": {
        "action": "create_voice",
        "target_model": "qwen-audio-3.1-tts-plus",
        "prefix": "myvoice",
        "audio": "https://your-audio-url.wav",
        "language_hints": ["zh"],
        "enable_volume_normalization": "false"
    }
}'
使用本地 WAV 音频时,可通过以下代码生成 Base64 Data URI,并将 audio 的值填入创建或更新请求的 input 对象中的 audio 字段。将 sample.wav 替换为本地音频路径。
import base64
from pathlib import Path

audio = "data:audio/wav;base64," + base64.b64encode(
    Path("sample.wav").read_bytes()
).decode("ascii")

返回体

request_id stringQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice:本次调用的唯一标识符。Qwen-Omni、Qwen-Omni-Realtime:Request ID。Qwen-LiveTranslate-Realtime:请求 ID。MiniMax:本次调用的唯一标识符。output objectQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice:模型返回的数据。Qwen-Omni、Qwen-Omni-Realtime:输出参数对象。Qwen-LiveTranslate-Realtime:输出参数对象。MiniMax:输出参数对象。
voice_id stringQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice:音色 ID。Qwen-Audio-TTS、CosyVoice 将其设置为语音合成接口的 voice 参数。Qwen-Audio-Realtime 在 session.update 事件的 session 对象中设置 voice,见音色配置。voice stringQwen-Omni、Qwen-Omni-Realtime:音色名称,可用于后续 Omni 接口的 voice 参数。Qwen-LiveTranslate-Realtime:创建的音色 ID,在后续翻译会话的 voice 中使用。target_model stringQwen-Omni、Qwen-Omni-Realtime:驱动音色的全模态模型:
  • qwen3.8-omni-flash-realtime
  • qwen3.5-omni-plus-realtime
  • qwen3.5-omni-flash-realtime
  • qwen3.5-omni-plus
  • qwen3.5-omni-flash
必须与后续调用全模态接口时使用的模型一致,否则合成会失败。Qwen-LiveTranslate-Realtime:创建音色时指定的目标模型。input_sensitive booleanMiniMax:输入音频是否命中风控。input_sensitive_type integerMiniMax:输入音频命中风控的类型,取值为以下其一:
  • 0:正常
  • 1:严重违规
  • 2:色情
  • 3:广告
  • 4:违禁
  • 5:谩骂
  • 6:暴恐
  • 7:其他
demo_audio stringMiniMax:链接形式的试听音频。base_resp objectMiniMax:
status_code integerMiniMax:状态码
  • 0: 请求结果正常
  • 1000:未知错误
  • 1001:超时
  • 1002:触发限流
  • 1004:鉴权失败
  • 1013:服务内部错误
  • 2013:输入格式信息不正常
  • 2038:无复刻权限,请检查账号认证状态
status_msg stringMiniMax:状态详情
usage objectQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice:本次请求用量信息。Qwen-Omni、Qwen-Omni-Realtime:用量信息。MiniMax:本次请求的字符用量。
count integerQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice:创建的音色数量,固定为1。Qwen-Omni、Qwen-Omni-Realtime:本次请求实际计入费用的“创建音色”次数,本次请求的费用为 count × 0.01元。创建音色时,count恒为1。characters integerMiniMax:输入文本的字符数。

响应示例

  • qwen-audio-3.1-tts-plus
  • qwen-audio-3.1-realtime-plus
  • qwen3.8-omni-flash-realtime
  • qwen3.8-livetranslate-flash-realtime
  • MiniMax/speech-2.8-turbo
{
    "output": {
        "voice_id": "qwen-audio-3.1-tts-plus-myvoice-xxxxxx"
    },
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}

查询音色列表

本节参数与示例对应以下模型:Qwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice;Qwen-Omni、Qwen-Omni-Realtime。
MiniMax 不支持通过本接口查询音色列表。MiniMax 的可用音色 ID(包括系统音色和复刻音色)请参见声音管理。

请求体

model stringQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(必选):固定为 voice-enrollment。Qwen-Omni、Qwen-Omni-Realtime(必选):声音复刻模型,固定为qwen-voice-enrollment。input objectQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(必选):输入参数对象。Qwen-Omni、Qwen-Omni-Realtime(必选):输入参数对象。
action stringQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(必选):固定为 list_voice。Qwen-Omni、Qwen-Omni-Realtime(必选):操作类型,固定为list。prefix stringQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(可选):按前缀筛选音色。page_index integerQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(可选):页码索引。Qwen-Omni、Qwen-Omni-Realtime(可选):默认值:0。页码索引。取值范围:[0, 1000000]。page_size integerQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(可选):每页包含数据条数。Qwen-Omni、Qwen-Omni-Realtime(可选):默认值:10。每页包含数据条数。取值范围:[0, 1000000]。
model:声音复刻模型,固定为qwen-voice-enrollment,请勿修改。

请求示例

  • voice-enrollment(语音合成示例)
  • voice-enrollment(实时对话示例)
  • qwen-voice-enrollment(全模态示例)
curl -X POST https://maas.qianwenaiapi.com/api/v1/services/audio/tts/customization \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "voice-enrollment",
    "input": {
        "action": "list_voice",
        "prefix": "myvoice",
        "page_size": 10,
        "page_index": 0
    }
}'

返回体

request_id stringQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice:本次调用的唯一标识符。Qwen-Omni、Qwen-Omni-Realtime:Request ID。output objectQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice:模型返回的数据。Qwen-Omni、Qwen-Omni-Realtime:输出参数对象。
voice_list array[object]Qwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice:查询到的音色列表。Qwen-Omni、Qwen-Omni-Realtime:
voice_id stringQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice:音色 ID。Qwen-Audio-TTS、CosyVoice 将其设置为语音合成接口的 voice 参数。Qwen-Audio-Realtime 在 session.update 事件的 session 对象中设置 voice,见音色配置。gmt_create stringQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice:创建时间。Qwen-Omni、Qwen-Omni-Realtime:创建音色的时间。gmt_modified stringQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice:修改时间。status stringQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice:音色状态,取值参见"音色状态说明"。voice stringQwen-Omni、Qwen-Omni-Realtime:音色名称,可用于后续 Omni 接口的 voice 参数。target_model stringQwen-Omni、Qwen-Omni-Realtime:驱动音色的全模态模型:
  • qwen3.8-omni-flash-realtime
  • qwen3.5-omni-plus-realtime
  • qwen3.5-omni-flash-realtime
  • qwen3.5-omni-plus
  • qwen3.5-omni-flash
必须与后续调用全模态接口时使用的模型一致,否则合成会失败。
usage objectQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice:本次请求用量信息。Qwen-Omni、Qwen-Omni-Realtime:用量信息。
count integerQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice:固定为 1。Qwen-Omni、Qwen-Omni-Realtime:本次请求实际计入费用的“创建音色”次数,本次请求的费用为count × 0.01元。查询音色不计费,因此count恒为0。

响应示例

  • voice-enrollment(语音合成示例)
  • voice-enrollment(实时对话示例)
  • qwen-voice-enrollment(全模态示例)
{
    "output": {
        "voice_list": [
            {
                "voice_id": "qwen-audio-3.0-tts-flash-myvoice-xxxxxx",
                "gmt_create": "2024-12-11 13:38:02",
                "gmt_modified": "2024-12-11 13:38:02",
                "status": "OK"
            }
        ]
    },
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}

查询音色详情

本节参数与示例对应以下模型:Qwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice。
MiniMax 不支持通过本接口查询音色详情。

请求体

model string(必选):固定为 voice-enrollment。input object(必选):输入参数对象。
action string(必选):固定为query_voice。voice_id string(必选):要查询的音色ID。

请求示例

  • voice-enrollment(语音合成示例)
  • voice-enrollment(实时对话示例)
  • 查询音色详情
curl -X POST https://maas.qianwenaiapi.com/api/v1/services/audio/tts/customization \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "voice-enrollment",
    "input": {
        "action": "query_voice",
        "voice_id": "yourVoiceId"
    }
}'

返回体

request_id string本次调用的唯一标识符。output object模型返回的数据。
resource_link string音频文件的URL地址。gmt_create string创建时间。gmt_modified string修改时间。status string音色状态,取值参见"音色状态说明"。target_model string驱动音色的目标模型(语音合成或实时语音对话)。
usage object本次请求用量信息。
count integer固定为1。

响应示例

  • voice-enrollment(语音合成示例)
  • voice-enrollment(实时对话示例)
{
    "output": {
        "gmt_create": "2024-12-11 13:38:02",
        "resource_link": "https://yourAudioFileUrl",
        "target_model": "qwen-audio-3.1-tts-plus",
        "gmt_modified": "2024-12-11 13:38:02",
        "status": "OK"
    },
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}

更新音色

本节参数与示例对应以下模型:Qwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice。
MiniMax 不支持通过本接口更新音色。

请求体

model string(必选):固定为 voice-enrollment。input object(必选):输入参数对象。
action string(必选):固定为update_voice。voice_id string(必选):要更新的音色ID。audio string(必选):新的参考音频,支持公网可访问的 URL 或 Base64 Data URI,例如 data:audio/wav;base64,...。
兼容旧参数 url;使用 url 时可不传 audio。url 将逐步废弃,建议改用 audio。

请求示例

  • voice-enrollment(语音合成示例)
  • voice-enrollment(实时对话示例)
curl -X POST https://maas.qianwenaiapi.com/api/v1/services/audio/tts/customization \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "voice-enrollment",
    "input": {
        "action": "update_voice",
        "voice_id": "yourVoiceId",
        "audio": "https://new-audio-url.wav"
    }
}'

返回体

request_id string本次调用的唯一标识符。output object模型返回的数据,更新操作返回空对象。usage object本次请求用量信息。
count integer固定为1。

响应示例

  • voice-enrollment(语音合成示例)
  • voice-enrollment(实时对话示例)
{
    "output": {},
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}

删除音色

本节参数与示例对应以下模型:Qwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice;Qwen-Omni、Qwen-Omni-Realtime;Qwen-LiveTranslate-Realtime。 Qwen-Omni、Qwen-Omni-Realtime 删除音色后会释放对应的音色额度。
MiniMax 不支持通过本接口删除音色。MiniMax 音色的删除请参见声音管理。

请求体

model stringQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(必选):固定为 voice-enrollment。Qwen-Omni、Qwen-Omni-Realtime(必选):声音复刻模型,固定为qwen-voice-enrollment。Qwen-LiveTranslate-Realtime:固定为 qwen-voice-enrollment。input objectQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(必选):输入参数对象。Qwen-Omni、Qwen-Omni-Realtime(必选):输入参数对象。Qwen-LiveTranslate-Realtime:输入参数对象。
action stringQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(必选):固定为 delete_voice。Qwen-Omni、Qwen-Omni-Realtime(必选):操作类型,固定为delete。Qwen-LiveTranslate-Realtime:删除预建音色时使用 delete。voice_id stringQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice(必选):要删除的音色ID。voice stringQwen-Omni、Qwen-Omni-Realtime(必选):待删除的音色。
model:声音复刻模型,固定为qwen-voice-enrollment,请勿修改。
Qwen-LiveTranslate-Realtime:待删除的预建音色 ID。

请求示例

  • voice-enrollment(语音合成示例)
  • voice-enrollment(实时对话示例)
  • qwen-voice-enrollment(全模态示例)
  • qwen-voice-enrollment(预建翻译音色)
curl -X POST https://maas.qianwenaiapi.com/api/v1/services/audio/tts/customization \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "voice-enrollment",
    "input": {
        "action": "delete_voice",
        "voice_id": "yourVoiceId"
    }
}'

返回体

request_id stringQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice:本次调用的唯一标识符。Qwen-Omni、Qwen-Omni-Realtime:Request ID。output objectQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice:模型返回的数据,为空对象。usage objectQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice:本次请求用量信息。Qwen-Omni、Qwen-Omni-Realtime:用量信息。
count integerQwen-Audio-TTS、Qwen-Audio-Realtime、CosyVoice:固定为1。Qwen-Omni、Qwen-Omni-Realtime:本次请求实际计入费用的“创建音色”次数,本次请求的费用为count × 0.01元。删除音色不计费,因此count恒为0。

响应示例

  • voice-enrollment(语音合成示例)
  • voice-enrollment(实时对话示例)
  • qwen-voice-enrollment(全模态示例)
{
    "output": {},
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}

音色状态说明

以下状态对应 Qwen-Audio-TTS、Qwen-Audio-Realtime 和 CosyVoice 的 voice-enrollment 接口。 音色创建后会经过审核流程。以下状态适用于 Qwen-Audio-TTS、Qwen-Audio-Realtime 和 CosyVoice。
状态说明
DEPLOYING审核中/处理中。
OK审核通过,可正常使用。
UNDEPLOYED审核未通过,不可使用。

错误信息

如遇报错问题,请参见错误码进行排查。

在模型调用中使用音色

Qwen-Audio-TTS、Qwen-Audio-Realtime 和 CosyVoice 的 SDK 定义另见 Java SDK 和 Python SDK。